基于深度生成模型压缩自动驾驶远程协助传感器数据
机器学习
2025-11-25 v3 信号处理
摘要
在可预见的未来，自动驾驶车辆在其无法自行解决的情况下将需要人类协助。在此类场景中，来自人类的远程协助可提供车辆继续运行所需的输入。自动驾驶车辆使用的典型传感器包括相机和激光雷达传感器。由于必须实时发送海量传感器数据，高效的数据压缩对于防止网络基础设施过载至关重要。使用深度生成神经网络的传感器数据压缩在压缩率和重建质量方面均已被证明优于传统的图像与激光雷达数据压缩方法。然而，关于生成式神经网络压缩算法在远程协助中性能的研究尚显不足。为了深入了解深度生成模型用于远程协助的可行性，我们评估了最先进算法的适用性并识别了潜在弱点。此外，我们实现了用于处理传感器数据的在线流水线，并利用 CARLA 模拟器展示了其在远程协助中的性能。
引用
@article{arxiv.2111.03201,
title = {Compressing Sensor Data for Remote Assistance of Autonomous Vehicles using Deep Generative Models},
author = {Daniel Bogdoll and Johannes Jestram and Jonas Rauch and Christin Scheib and Moritz Wittig and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2111.03201},
year = {2025}
}
备注
Daniel Bogdoll, Johannes Jestram, Jonas Rauch, Christin Scheib and Moritz Wittig contributed equally. Accepted for publication at NeurIPS 2021 ML4AD Workshop